(1) Sosialisasi dan promosi kegiatan TSHE serta kegiatan dapur sehat melalui poster dan pembagian kaos
SEBAGAI SAINS DASAR BARU Md Santo
3. HASIL DAN DISKUSI
3.2 Uji Asumsi Dasar .1 Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi normal atau tidak. Uji ini biasanya digunakan untuk mengukur data berskala ordinal, interval, ataupun rasio. Jika analisis menggunakan metode parametrik, maka persyaratan normalitas harus terpenuhi yaitu data berasal dari distribusi yang normal. Jika data tidak berdistribusi normal, atau jumlah sampel sedikit dan jenis data adalah nominal atau ordinal maka metode yang digunakan adalah statistik non parametrik. Uji normalitas pada penelitian ini menggunakan uji
Kolmogorov-Smirnov dengan menggunakan taraf signifikansi 0,05. Data dinyatakan berdistribusi normal jika signifikansi lebih besar dari 5 % atau 0,05. Hasil uji normalitas diperlihatkan pada Tabel 3.
190 Tabel 3. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Kreativitas Inovasi Orientasi_Kewirausahaan
N 95 95 95 Normal Parametersa,b Mean 54.0526 20.8632 21.0842 Std. Deviation 5.41740 2.07113 2.08675 Most Extreme Differences Absolute .121 .151 .130 Positive .072 .123 .130 Negative -.121 -.151 -.112 Kolmogorov-Smirnov Z 1.177 1.468 1.266
Asymp. Sig. (2-tailed) .125 .057 .081
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data diolah peneliti
Hasil uji normalitas seperti diperlihatkan pada Tabel 3 menunjukkan bahwa nilai signifikasi untuk variabel kreativitas sebesar 0,125, inovasi sebesar 0,057 dan orientasi kewirausahaan sebesar 0,081. Dengan demikian variabel kreativitas, inovasi dan orientasi kewirausahaan berdistribusi normal karena nilai signifikasi untuk seluruh variabel lebih besar dari 0,05. Hal ini berarti indikator yang digunakan untuk masing-masing variabel memiliki sebaran data yang normal sehingga profil data (indikator) tersebut bisa dikatakan mewakili populasi keseluruhan.
3.2.2 Uji Linearitas
Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linear atau tidak secara signifikan. Uji ini digunakan sebagai prasyarat dalam analisis korelasi atau regresi linear. Kriteria uji linearitas yang digunakan dalam penelitian ini adalah dua variabel dikatakan mempunyai hubungan yang linear apabila signifikasi (linearity) kurang dari 0,05. Hasil uji linearitas diperlihatkan pada Tabel 4 dan Tabel 5.
191
Tabel 4. Hasil Uji Linearitas Variabel Orientasi Kewirausahaan*Kreativitas ANOVA Table Sum of Squares df Mean Square F Sig. Orientasi_Kewirausa haan * Kreativitas Between Groups (Combined) 173.546 21 8.264 2.559 .002 Linearity 129.011 1 129.011 39.943 .000 Deviation from Linearity 44.535 20 2.227 .689 .824 Within Groups 235.781 73 3.230 Total 409.326 94
Sumber: Data diolah peneliti
Tabel 5. Hasil Uji Linearitas Variabel Orientasi Kewirausahaan*Inovasi ANOVA Table Sum of Squares df Mean Square F Sig. Orientasi_Kewira usahaan * Inovasi Between Groups (Combined) 148.850 10 14.885 4.800 .000 Linearity 139.412 1 139.412 44.958 .000 Deviation from Linearity 9.437 9 1.049 .338 .960 Within Groups 260.477 84 3.101 Total 409.326 94
Sumber: Data diolah peneliti
Hasil uji linearitas seperti diperlihatkan pada Tabel 4 dan 5 menunjukkan bahwa nilai signifikasi pada linearity sama-sama sebesar 0,000. Jadi, dapat disimpulkan bahwa antara variabel kreativitas dan inovasi sama-sama memiliki hubungan yang linear dengan variabel orientasi kewirausahaan karena nilai signifikasi sebesar 0,000 lebih kecil dibandingkan 0,05. Hal ini berarti hubungan antara variabel kreativitas dan inovasi dengan variabel orientasi kewirausahaan berbentuk garis lurus atau linear. Dengan sifat hubungan yang linear tersebut, maka setiap perubahan yang terjadi pada satu variabel akan diikuti perubahan dengan besaran yang sejajar pada variabel lainnya.
192 3.3 Uji Asumsi Klasik
3.3.1 Uji Multikolinearitas
Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel bebas dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas saling berkorelasi maka variabel-variabel tersebut tidak ortogonal. Dimana variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol. Multikoliniearitas dapat diketahui dengan melihat nilai Variance Inflation Factor (VIF) pada model regresi. Nilai VIF < 5 mencerminkan tidak ada multikolinearitas. Nilai tolerance dan VIF menunjukkan bagaimana setiap variabel bebas dijelaskan oleh variabel indenden lainnya, dimana setiap variabel bebas akan diperlakukan sebagai variabel terikat dan diregresi terhadap variabel bebas lainnya. Sedangkan nilai
tolerance mengukur sejauh mana variabel bebas yang terpilih tidak dijelaskan oleh variabel bebas lainnya, dimana nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (VIF= 1/Tolerance). Hasil uji linearitas diperlihatkan pada Tabel 6.
Tabel 6 Hasil Uji Multikolinearitas
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 5.430 1.891 2.871 .005
Kreativitas .135 .036 .350 3.769 .000 .718 1.392
Inovasi .401 .094 .398 4.278 .000 .718 1.392
a. Terikatt Variable: Orientasi_Kewirausahaan Sumber: Data diolah peneliti
Untuk menguji ada tidaknya multikolinearitas pada model regresi linier dapat dilakukan dengan dua cara, yaitu dengan melihat nilai VIF masing-masing variabel bebas dan melihat nilai korelasi antar variabel bebas. Hasil uji multikolinearitas seperti diperlihatkan pada Tabel 6 menunjukkan bahwa nilai Variance Inflation Factor (VIF) untuk kedua variabel masing-masing sebesar 1,392 (VIF < 5). Korelasi di antara variabel bebas dapat dikatakan mempunyai korelasi yang lemah. Dengan demikian dapat disimpulkan bahwa di antara variabel bebas tersebut tidak ada korelasi atau tidak terjadi multikolinearitas pada model regresi linier.
3.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan lain. Jika varian dari residual suatu pengamatan ke pengamatan lain tetap, disebut homokedastisitas, sedangkan untuk varian yang berbeda disebut heteroskedastisitas. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya masalah heteroskedastisitas. Metode pengujian yang digunakan menggunakan uji Spearman’s Rho, yaitu mengkorelasikan nilai residual (unstandardized residual) dengan masing-masing variabel bebas. Jika signifikasi
193
kurang dari 0,05, maka terjadi masalah heteroskedastisitas. Hasil uji heteroskedastisitas diperlihatkan pada Tabel 7.
Tabel 7. Hasil Uji Heteroskedastisitas
Correlations
Kreativitas Inovasi Unstandardized Residual Spearman's
rho
Kreativitas Correlation Coefficient 1.000 .517** .021
Sig. (2-tailed) .000 .841
N 95 95 95
Inovasi Correlation Coefficient .517** 1.000 .011
Sig. (2-tailed) .000 .916 N 95 95 95 Unstandardized Residual Correlation Coefficient .021 .011 1.000 Sig. (2-tailed) .841 .916 N 95 95 95
**. Correlation is significant at the 0.01 level (2-tailed). Sumber: Data diolah peneliti
Hasil uji heteroskedastisitas seperti yang diperlihatkan pada Tabel 7 menunjukkan bahwa korelasi antara variabel kreativitas dengan unstandardized residual menghasilkan nilai signifikasi 0,841 dan korelasi antara variabel inovasi dengan unstandardized residual
menghasilkan nilai 0,916. Dengan demikian dapat disimpulkan bahwa pada model regresi tidak ditemukan adanya masalah heteroskedastisitas karena nilai signifikasi korelasi lebih besar dari 0,05.